首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Nature Communications | 血液无创检测可以比常规诊断提前四年发现癌症

    北京时间7月21日晚,《自然·通讯》(Nature Communication)发表了由我院陈兴栋青年研究员等领衔的科研团队所作的最新研究成果:“血液无创检测可以比常规诊断提前四年发现癌症(Non-invasive early detection of cancer four years before conventional diagnosis using a blood test)”。 科研人员对复旦大学牵头建设的泰州队列的部分血液样本进行了长期、系统的癌症早期检测研究。研究发现:对于结直肠癌、食管癌、肝癌、肺癌和胃癌等5种常见恶性肿瘤,在达到现有临床确诊金标准之前,甚至在病人出现自觉症状前,早期的癌症信号——微量肿瘤甲基化就存在于血液循环之中,并可以被无创检测。利用由复旦校友企业鹍远基因原创研发的ctDNA甲基化多癌筛查技术PanSeer方法,陈兴栋团队在泰州队列的血样中实现了比临床诊断提前4年发现血液中的微量肿瘤甲基化信号。

    02

    Nat. Comm. | 使用Tensor-cell2cell对细胞通讯进行环境感知去卷积

    本文介绍由美国加州大学圣地亚哥分校生物工程系Nathan E. Lewis通讯发表在 Nature Communications 的研究成果:作者介绍了Tensor-cell2cell,这是一种基于张量分解的无监督方法,它通过同时说明细胞的多个阶段、状态或位置来破译上下文驱动的细胞间通信。为此,Tensor-cell2cell揭示了与不同表型状态相关并由细胞类型和配体-受体对的独特组合决定的上下文驱动的通信模式。Tensor-cell2cell有力地改进和扩展了现有工具的分析能力。作者发现,Tensor-cell2cell可以识别与明显通讯过程相关的多个模块,这些通讯过程与COVID-19严重程度和自闭症谱系障碍相关。因此,作者引入了一种有效且易于使用的策略来理解不同条件下的复杂通信模式。

    03

    CVPR2024 | CoSeR:连接图像与语言实现认知超分辨率

    真实世界的图像超分辨率(SR)是图像处理领域的一项基本任务,旨在增强低分辨率(LR)图像,生成对应的高分辨率(HR)图像。尽管近年来该领域取得了重大进展,但复杂现实场景的处理仍然面临着持久的挑战。利用图像先验是解决现实世界SR问题的常用策略,而最近出现的文生图扩散模型显示出基于用户提供的提示生成高质量图像的卓越能力。这些模型不仅具有强大的图像先验,而且能够以语言的形式对人类指令做出精确的反应。这展示了连接低级图像处理和高级抽象认知的可能性。传统的图像超分辨率技术坚持自下而上的方法,主要集中于局部内容和直接像素级处理。这些方法在把握整体图像上下文方面表现出固有的局限性,往往无法恢复严重退化但语义上至关重要的细节。此外,考虑到LR图像的病态性质,有可能引入语义错误的纹理。为了应对这些挑战,有必要为 SR 模型注入“认知”能力。因此,本文提出了一种先进的 SR 方法,称为认知超分辨率(CoSeR),它与人类在图像感知中采用的自上而下的认知过程一致。它从认知嵌入的生成开始,这是一种封装了 LR 图像总体理解的表示,包含场景语义和图像外观。这种认知嵌入能够精确地利用嵌入在预训练的文生图模型中的隐含先验知识,从而以类似于人类专业知识的方式增强恢复图像细节的能力。先前的工作使用分割图来提供语义,然而,获取现实世界LR图像的理想的分割图仍然很困难,且语义分割受限于预先定义的类别,限制了它在开放世界场景中的适用性。除了隐式地利用扩散先验,本文还显式地利用了图像先验。本文提出了一种新的方法,使用来自 LR 输入的认知嵌入,通过扩散模型生成参考图像,并将其用于指导恢复过程。如图1所示,认知嵌入包含了语言理解,同时保留了图像的颜色和纹理信息,从而产生了高质量的参考图像,不仅在语义上对齐,而且在外观上相似。这种显式方法在捕获高清纹理方面带来了实质性的改进。为了同时保证纹理的真实感和保真度,本文引入了一种“All-in-Attention”设计,通过注意机制集成了多个信息源,包括认知嵌入、参考图像和 LR 输入。这种方法允许模型灵活地使用不同的条件组件,从而产生改进的结果。实验表明,与以前的方法相比,本文的模型在生成更复杂的纹理的同时保持了保真度。

    01
    领券